448 Hufnagel Levente és Sipkay Csaba 8. KLÍMAVÁLTOZÁS ÖKOLÓGIAI KÖVETKEZMÉNYEINEK ÉS HATÁSERŐSSÉGÉNEK BEHATÁROLÁSA TÁJÉKOZÓDÓ VIZSGÁLATOKBAN 8.1. Klimatikus profilindikátorok kukorica ökoszisztéma példáján 8.1.1. Havi klimatikus profil-indikátorok definiálása a szakirodalmi szintézis eredményeként A kukorica az egyik legfontosabb takarmánynövényünk. Hazánk az egyik legnagyobb kukorica vetésterülettel rendelkezik Európában, felhasználása igen sokoldalú, tehát kiemelkedő gazdasági jelentőségű. Magyarországon a kukorica termesztésének feltételei - az aszályos éveket leszámítva a legtöbb termesztési körzetben igen kedvezőek, a termesztéstechnológia komplex módon megoldott. A kukorica az új környezetkímélő alternatív energiaforrás keresésben is jelentős szerepet kaphat. Ezen okok miatt fontos megvizsgálni a meteorológiai tényezők kukorica ökoszisztémájára gyakorolt hatásait és ennek a vizsgálatnak lehetőleg minél több klímaszcenárióra és minél hosszabb idősorra kell kiterjednie. A kutatásunk során a hazai szakirodalom áttekintésével összegyűjtöttük a kukorica kultúrában előforduló kártevőket, kórokozókat és gyomnövényeket, valamint ezek ökológiai igényeit, melyekből havi klimatikus profil-indikátorokat hoztunk létre. Ezen havi klimatikus profil-indikátorok alapján összehasonlító értékelést végeztünk a magyarországi városok sokéves adatsoraira és a szcenáriók szerinti adatsoraira. A klimatikus profilindikátor fogalmát saját módszertani kutatásaink során vezettük be. Klimatikus profil-indikátor alatt egy meghatározott élőlény klimatikus igényeinek szezonális mintázatát értjük. A klimatikus profil-indikátoroknak többféle időbeli felbontása lehetséges. Jelen dolgozathoz vezető kutatómunka során kizárólag havi klimatikus profil-indikátorokkal dolgoztunk, ami az év 12 hónapjához rendel havi hőmérsékleti és csapadék igényeket. A havi klimatikus profil-indikátorok definiálásához és kiértékeléséhez Szenteleki Károly (2007) által létrehozott KKT programot és adatbázist használtuk. A program speciális adatkezelő függvényekkel dolgozik, ezáltal nagytömegű adatbázisok kezelésére kitűnően alkalmas. Biztosítja a speciális lekérdezéseket igénylő kutatási célkitűzések megvalósításához szükséges algoritmusokat, melyek fejlesztése a beérkezett kutatói javaslatok alapján megy végbe. A szakirodalmi adatgyűjtés eredményeként lehetőségünk nyílt a kapott adathalmazt számszerűsítve és csoportosítva, az irodalmi adatok egyfajta szintéziseként, 55 havi klimatikus profil-indikátor (8.1.4. táblázat) bevezetésére, ami 91 fajra vonatkozó információt tartalmaz. A kukoricán kívül a vizsgált fajokból 23 állati kártevő (8.1.1. táblázat), 12 kórokozó mikroorganizmus (8.1.2. táblázat) és 55 - a kukoricában jellemzőnek tekinthető - gyomnövényfaj (8.1.3. táblázat). A táblázatok a fajokat rendszertani sorrendben tartalmazzák.
A klímaváltozás hatása az ökológiai közösségekre 449 8.1.1. táblázat: Hazánkban a kukoricán előforduló fontosabb állati kártevők és indikátoraik (ISSZ: klimatikus profil-indikátor sorszáma) MAGYAR NÉV LATIN NÉV ISSZ Szár-fonálféreg Ditylenchus dipsaci 18 Fekete tücsök Melanogryllus desertus 35 Lótücsök Gryllotalpa gryllotalpa 35 Marokkói sáska Dociostaurus maroccanus 32 Kukorica-gyökértetű Tetraneura ulmi 34 Zöld kukorica-levéltetű Rhopalosiphum maidis 5 Zselnicemeggy-levéltetű Rhopalosiphum padi 5 Zöld gabona-levéltetű Schizaphis graminum 5 Fekete répa-levéltetű Aphis fabae 6 Zöld őszibarack-levéltetű Myzus persicae 5 Gabonafutrinka Zabrus tenebrioides 54 Sároshátú gyászbogár Opatrum sabulosum 20 Közönséges júniusi cserebogár Amphimallon solstitalis 41 Májusi cserebogár Melolontha melolontha 22 Erdei cserebogár Melolontha hippocastani 22 Pusztai cserebogár Anoxia pilosa 22 Kalló cserebogár Polyphilla fullo 54 Amerikai kukoricabogár Diabrotica virgifera virgifera 39 Fekete barkó Psalidium maxillosum 3 Kukoricabarkó Tanymecus dilaticollis 17 Kukoricamoly Ostrinia nubilalis 33 Gamma-bagolylepke Autographa gamma 36 Somkóró-bagolylepke Heliothis maritima 36 Gyapottok-bagolylepke Helicoverpa armigera 36 Káposzta-bagolylepke Mamestra brassicae 36 Vetési-bagolylepke Scotia segetum 36 Fritlégy Oscinella frit 23 8.1.2. táblázat: Hazánkban a kukoricán előforduló fontosabb kórokozó mikroorganizmusok és indikátoraik (ISSZ: klimatikus profil-indikátor sorszáma) MAGYAR NÉV LATIN NÉV ISSZ Kukorica csíkos mozaik Maize dwarf mosaic potyvirus 5 Kukoricaperonoszpóra Sclerophora macrospora 30 Golyvásüszög Ustilago maydis 47 Rostosüszög Sorosporium holci-sorghi 51 Kukoricarozsda Puccinia sorghi 4 Sárga levélfoltosság Phyllosticta maydis / Mycosphaerella maydis 40 Kukorica szürke szárkorhadása Rhizoctonia bataticola 52 Kabatiellás szemfoltosság Kabatiella zeae 53 Nigrospórás szárazkorhadás Nigrospora oryzae / Khuskia oryzae 55 Kukorica fuzáriózása Fusarium graminearum 24 Kukorica helmintospóriumos levélfoltossága Helminthosporium turcicum 48
450 Hufnagel Levente és Sipkay Csaba 8.1.3. táblázat: Hazánkban a kukorica kultúrában előforduló fontosabb gyomnövények és indikátoraik (ISSZ: klimatikus profil-indikátor sorszáma) MAGYAR NÉV LATIN NÉV ISSZ Mezei zsurló Equisetum arvens 19 Kövér porcsin Portulaca oleracea 28 Terebélyes laboda Atriplex patula 46 Tatár laboda Atriplex tatarica 13 Fehér libaparéj Chenopodium album 15 Pokolvar libaparéj Chenopodium hybridum 15 Hegyes levelő libatop Chenopodium polyspermum 15 Fehér disznóparéj Amaranthus albus 14 Henye disznóparéj Amaranthus blitoides 46 Karcsú disznóparéj Amaranthus clorostachys 25 Szőrös disznóparéj Amaranthus retroflexus 25 Ugari szulákpohánka Bilderdykia convolvulus 11 Lapulevelű keserűfű Polygonum lapathifolium 15 Baracklevelű keserűfű Polygonum persicaria 15 Kender Cannabis sativa 2 Mogyorós lednek Lathyrus tuberosus 21 Egynyári szélfű Mercurialis annua 43 Pásztortáska Capsella bursa-pastoris 10 Fali kányazsázsa Diplotaxis muralis 46 Repcsényretek Raphanus raphanistrum 8 Vadrepce Sinapis arvensis 9 Vadrezeda Reseda lutea 42 Selyemmályva Abutilon theophrasti 45 Varjúmák Hibiscus trionum 28 Mezei tikszem Anagallis arvensis 15 Apró szulák Convolvulus arvensis 31 Csattanó maszlag Datura stramonium 43 Parlagi kunkor Heliotropium europaeum 49 Fekete nadálytő Symphytum officinale 19 Nagy útifű Plantago major 19 Kalinca ínfű Ajuga chamaepitys 11 Tarlóvirág Stachys annua 15 Parlagfű Ambrosia elatior 13 Mezei aszat Cirsium arvense 50 Kicsiny gombvirág Galinsoga parviflora 11 Ebszékfű Matricaria inodora 16 Olasz szerbtövis Xanthium italicum 12 Mezei csorbóka Sonchus arvensis 44 Szúrós csorbóka Sonchus asper 44 Tarackbúza Elymus repens 1 Nád Phragmites communis 19 Csillagpázsit Cynodon dactylon 7 Tőtippan fajok Eragrostis spp. 37 Pirok ujjasmuhar Digitaria sanguinalis 38 Közönséges kakaslábfű Echinochloa crus-galli 37 Termesztett köles Panicum miliaceum 1 Fakó muhar Setaria glauca 27 Tyúkhúr Setaria media 46 Ragadós muhar Setaria verticillata 45 Zöld muhar Setaria viridis 26 Fenyércirok Sorghum halapense 1
A klímaváltozás hatása az ökológiai közösségekre 451 A 8.1.4. táblázatban az 55 havi klimatikus profil-indikátor szerepel. A kapott adathalmazban a az oszlopok jobb oldalán feltüntetett számok a hőmérsékleti értékeket jelölik, míg az oszlopok bal oldalán látható számok a csapadékmennyiséget. A számokhoz tartozó relációs jelek azt jelzik, hogy az indikátor az adott hőmérsékletnél, vagy csapadékmennyiségnél többet, vagy kevesebbet igényel. Az értékek a következőképpen kerültek megállapításra: ha a szakirodalomban egy élőlényre azt találtuk, hogy tavasszal meleg, száraz időszak kedvező számára, akkor a tavaszi hónapok mindegyikére a hozzájuk tartozó középhőmérsékletet és átlagos csapadékmennyiséget írtuk be a megfelelő relációs jel használatával. A gyomnövények profilját életformájuk alapján készítettük el, így alakultak ki a csoportok az 55 fajból. Ezek a csoportok eltérő számú gyomnövényt tartalmaznak. 8.1.4. táblázat: A havi klimatikus profil-indikátorok (cella, bal: a hőmérsékleti adat, cella, jobb: a csapadékmennyiség)
452 Hufnagel Levente és Sipkay Csaba 8.1.2. Magyarországi városok sokéves meteorológiai adatsorainak összehasonlító értékelése a havi klimatikus profil-indikátorok alapján A havi klimatikus profil-indikátorok magyarországi városok meteorológiai adatsorára vonatkozó relatív gyakorisági táblázat elemzését a Past statisztikai programcsomaggal végeztük el. A táblázat oszlopait (objektumok, azaz klimatikus adatsorok) és sorait (változók, azaz indikátorok) hierarchikus klaszter-analízissel, mint osztályozási módszerrel, és nemmetrikus többdimenziós skálázással (NMDS), mint ordinációs módszerrel elemeztük. Az osztályozások és ordinációk grafikus egymásra vetítésével ellenőriztük a kapott eredményeket, majd az ellenőrzött klasztersorrendek alapján Two-Way Clusteringet ( két utas osztályozást ) alkalmaztunk a táblázatok átrendezéséhez. A dendrogram (8.1.1. ábra a,) a havi klimatikus profil-indikátorok összevonását mutatja. Az eredeti távolságérték helyett, olyan skálát mutat, ahol az értékek -80 és 0 közöttiek, de arányuk megfelel az eredetinek. Minél közelebbi szinten van két különböző havi klimatikus profil-indikátor összekapcsolva, annál inkább hasonlítanak egymásra. Az ábráról az értékelésnél a nagyobb csoportokat érdemes vizsgálni. Azt figyeltük meg, hogy a 29-es indikátor (Zea mays), a kukorica egyedül alkot egy csoportot. A következő csoport két kisebb fürt -ből áll. Az egyik a csapadékigényes (23, 30, 54) indikátorokat (pl.: Oscinella frit, Sclerophora macrospora, Zabrus tenebrioides, Polyphilla fullo), a másik a meleg nyarat és őszt igénylő, de csapadékra nem igényes (34, 41, 42, 43, 44, 51, 52) indikátorokat (pl.: Tetraneura ulmi, Reseda lutea, Sonchus fajok, Sorosporium holcisorghi, Rhizoctonia bataticola) tartalmazza. Az ábrán jól látható, hogy a többi indikátor nagyon hasonlít egymásra, hiszen elég közeli szinten lettek összevonva. Az ábra alsó része (8.1.1. ábra b,) a dimenzió-redukálás (NMDS-módszer) utáni állapotot mutatja, az itt egy csoportba kerülő elemek pontosan ugyanazok, mint a magasabb dimenziós térben klaszteranalízissel előállított csoportok elemei.
A klímaváltozás hatása az ökológiai közösségekre 453 8.1.1. ábra: a, A havi klimatikus profil-indikátorok osztályozása a magyarországi városok sokéves meteorológiai adatsorai alapján hierarchikus klaszter-analízissel b, A havi klimatikus profil-indikátorok ordinációja az osztályozással nyert csoportok rávetítésével, a magyarországi városok sokéves meteorológiai adatsorai alapján, NMDS módszerrel
454 Hufnagel Levente és Sipkay Csaba A dendrogram (8.1.2. ábra a,) a magyarországi városok sokéves adatsorainak osztályozását mutatja. Az eredeti távolságérték helyett, olyan skálát mutat, ahol az értékek -6,4 és 0 közöttiek, de arányuk megfelel az eredetinek. Minél közelebbi szinten van két különböző magyarországi város sokéves adatsora összekapcsolva, annál inkább hasonlítanak egymásra. Az ábra értékelésénél a nagyobb csoportokat vizsgáltuk. A városok az osztályozás és ordináció során felismert csoportjait eltérő színek felhasználásával térképen bejelöltük (8.1.4. ábra). A térképi ábrázolás lehetőséget teremt arra, hogy ezeket a város csoportok által felismerhető régiókat Magyarország különböző szempontok szerinti klímatérképeivel hasonlítsuk össze. A klímatérképek a Magyarország éghajlati atlasza c. könyvből származnak (Mersich et al., 2001). A havi klimatikus profilindikátorok alapján kirajzolódó régiók térbeli mintázata a globálsugárzás átlagos évi eloszlásával (8.1.5. ábra), az évi középhőmérséklettel (8.1.6. ábra), a nyári- és hőségnapok éves számát mutató térképekkel (8.1.7. és 8.1.8. ábra), valamint az október hónap csapadékösszegét bemutató térképpel (8.1.9. ábra) mutat hasonlóságot. A globálsugárzás a vízszintes síkra a fölötte levő féltérből érkező összes rövidhullámhoszszú sugárzási áramsűrűséget jelent, azaz a Napból érkező közvetlen sugárzás, valamint az égbolt minden részéről érkező szórt sugárzás összege. (Mersich et al., 2001) Az évi középhőmérséklet elsősorban a tengerszint feletti magasság függvénye, az ország kis észak-déli irányú kiterjedése miatt kevésbé feltűnő a középhőmérséklet délről észak felé történő csökkenése. A hőmérsékletet télen és nyáron meghatározó, eltérő tényezők kiegyenlítő hatása miatt az évi átlag - hegységeink kivételével - mindenhol 9,5-11 C körül alakul, térbeli változékonysága kicsi. Az ország területének döntő részén 10-10,5 C az évi középhőmérséklet, 8 C alá csak a magasabban fekvő részeken, a Bakony és az Alpokalja kisebb, területein illetve az Északi-középhegységben süllyed. Megfigyelhető, hogy a hegységek déli lejtői melegebbek, mint az északiak. A legmelegebb területek a Duna medencéjének Budapest alatti része és Szeged környéke. (Szász és Tőkei, 1997) Azt a napot, amikor a maximumhőmérséklet eléri a 25 C-ot, nyári napnak nevezzük. Ezek a napok általában május közepétől szeptember közepéig fordulnak elő. A nyári napok térbeli eloszlása a nyári hőmérséklet-eloszlásnak felel meg. Az Alföld déli részén van a legtöbb, nyugatra és északra haladva egyre kevesebb, a hegységekben pedig a legkevesebb. A nyári nap kialakulásához jelentős besugárzás szükséges, így nemcsak a kontinentális hatás és a tengerszint feletti magasság befolyásolja a nyári napok eloszlását, hanem a talajtípus is. A hidegebb kötött talajok nehezebben melegszenek fel, így a nyári napok kialakulásának valószínűsége kisebb, mint a homokos talajok felett. A lejtők kitettségének hatása is megfigyelhető, valamint látványosan jelentkezik a magasságtól való függés. Tíz alatti a nyári napok száma az ország legmagasabban fekvő területek nyári napjainak száma, bár ez magyarázható azzal, hogy a hegységeink erdővel borítottak, ami hőmérséklet-mérséklő hatásával csökkenti a nyári napok kialakulását. (Mersich et al.,2001) Azt a napot, amikor a hőmérséklet eléri a 30 C-ot hőségnapnak nevezzük. A hőségnapok általában július és augusztusban fordulnak elő, és egy-egy ilyen periódus általában nem tart egy hétnél tovább. A hőségnapok száma a mezőgazdaság számára nagyon fontos, hiszen a mérséklet övben őshonos növények hőségnapok idején károsodhatnak. A hőségnapok számának területi eloszlásában elsősorban a tengerszint feletti magasság dominál, bár jelentkezik az
A klímaváltozás hatása az ökológiai közösségekre 455 óceáni hatás is. A domborzat szerepe a lejtő kitettségével van összefüggésben, hiszen a délies lejtőkön a hőségnapok száma 20 körüli, míg az északi oldalon, ugyanolyan magasságban sokkal kevesebb. (Mersich et al., 2001) Az éghajlati elemek közül a csapadék eloszlásában rajzolódik ki a legnagyobb területi különbség. Hazánkban a csapadék területi eloszlását két tényező határozza meg, ezek az áramlási feltételek valamint a tengerszint feletti magasság. Magyarország legcsapadékosabb területei a délnyugati határ közelében, legszárazabb vidékei pedig az Alföldön fekszenek. Ez jól látszódik a fenti ábrán, az október havi csapadékösszeg térbeli eloszlását vizsgálva, hogy az Alföldön esik a legkevesebb csapadék, nyugatra és északra haladva egyre több. Megfigyelhető továbbá, hogy a hegységek területén a legnagyobb a csapadékösszeg, ez a domborzat befolyásoló szerepével magyarázható. A hegységek az alacsonyabb légköri frontok mozgását akadályozzák, módosítják vonulási irányukat, és haladási sebességüket. (Szász és Tőkei, 1997) A havi klimatikus profil-indikátorok alapján kapott városcsoportok térbeli elhelyezkedését (8.1.4. ábra) a klímatérképekkel (8.1.5-8.1.9. ábrák) összehasonlítva azt állapítottuk meg, hogy egy nagy csoportot alkotnak a Duna-Tisza közére és a Tiszántúl déli részére eső városok (Kecskemét, Békéscsaba, Szeged, Szolnok, Budapest). Ezek a városok az országon belül a legmagasabb évi átlagos globálsugárzással, évi középhőmérséklettel, a nyári- és hőségnapok legmagasabb éves számával, valamint a legalacsonyabb októberi csapadékösszeggel jellemezhetők. A második nagy csoportban a Dunántúl nyugati és a középhegységek északi területére eső városok találhatók. A közös jellemzőjük, hogy az országon belül a legalacsonyabb évi átlagos globálsugárzással, évi középhőmérséklettel, a nyári- és hőségnapok legkevesebb éves számával, ugyanakkor a legmagasabb októberi csapadékösszeggel rendelkeznek. A harmadik csoportban az előző két régió között elhelyezkedő városok tartoznak (Pécs, Martonvásár, Tatabánya, Iregszemcse, Debrecen, Kompolt, Nyíregyháza), amelyek a fentebb említett meteorológiai jellemzők alapján átmeneti régióknak tekinthető. Az ábra alsó részén (8.1.2. ábra b,) a dimenzió-redukálás (NMDS-módszer) utáni állapot látható. E módszer alapján egy csoportba kerülő elemek Pécs kivételével szinte - pontosan ugyanazok, mint a magasabb dimenziós térben klaszteranalízissel előállított csoportok elemei. A 8.1.3. ábrán és az e. táblázatban a havi klimatikus profil-indikátorok és magyarországi városok sokéves meteorológiai adatsorainak két utas osztályozása látható. A sorok a havi klimatikus profil-indikátorok osztályozásával, az oszlopok pedig a magyarországi városok sokéves adatsorainak osztályozásával alakítottuk elő. Az indikátorok közül a csak nulla értékeket tartalmazókat ebből az elemzésből kihagytuk, mert nem szolgáltak információval. Megállapítottuk, hogy a Duna-Tisza köze és a Tiszántúl déli részére eső városok (Kecskemét, Békéscsaba, Szeged, Szolnok, Budapest), amelyek az országon belül a legmagasabb évi átlagos globálsugárzással, évi középhőmérséklettel, a nyári- és hőségnapok legmagasabb éves számával, ugyanakkor a legalacsonyabb októberi csapadékösszeggel jellemezhetők, 0 és 14% közötti relatív gyakoriságot mutattak a csapadékigényes (23, 30, 54) indikátorok (pl.: Oscinella frit, Sclerophora macrospora, Zabrus tenebrioides, Polyphilla fullo), ugyanakkor 12-33%-os relatív gyakoriságot mutattak a meleg nyarat és őszt igénylő, de csapadékra nem igényes (34, 41, 42, 43, 44, 51, 52) indikátorok (pl.: Tetraneura ulmi, Reseda lutea, Sonchus fajok, Sorosporium holcisorghi, Rhizoctonia bataticola) szempontjából. Észrevettük továbbá, hogy a Dunántúl nyugati és a középhegységek északi területére eső városok (Miskolc, Győr, Pápa, Balassagyar-
456 Hufnagel Levente és Sipkay Csaba mat, Kaposvár, Szombathely, Zalaegerszeg), amelyek az országon belül a legalacsonyabb évi átlagos globálsugárzással, évi középhőmérséklettel, a nyári- és hőségnapok legkevesebb éves számával, ugyanakkor a legmagasabb októberi csapadékösszeggel jellemezhetők, 7-43%-os relatív gyakoriságot mutattak a hideg, csapadékos tavaszt és csapadékos nyarat igénylő (23, 30, 54) indikátorok vonatkozásában (pl.: Oscinella frit, Sclerophora macrospora, Zabrus tenebrioides, Polyphilla fullo). Láthattuk továbbá, hogy az előző két régió között átmeneti helyzetű városok (Pécs, Martonvásár, Tatabánya, Iregszemcse, Debrecen, Kompolt, Nyíregyháza) az indikátorok szempontjából is átmenetet mutattak. Martonvásár Tatabánya Iregszemcse Debrecen Kompolt Nyíregyháza Pécs Kecskemét Békéscsaba Szolnok Szeged Budapest Miskolc Győr Pápa Balasagyarmat Dombóvár Szombathely Zalaegerszeg Pécs Dombóvár Iregszemcse Kecskemét Szeged Zalaegerszeg Martonvásár Szolnok Békéscsaba Tatabánya Pápa Balasagyarmat Szombathely Debrecen Kompolt Győr Miskolc Budapest Nyíregyháza 8.1.2. ábra: a, A magyarországi városok sokéves meteorológiai adatsorainak osztályozása a havi klimatikus profil-indikátorok alapján hierarchikus klaszter-analízissel b, A magyarországi városok sokéves meteorológiai adatsorainak ordinációja az osztályozással nyert csoportok rávetítésével, a havi klimatikus profil-indikátorok alapján, NMDS módszerrel
A klímaváltozás hatása az ökológiai közösségekre 457 8.1.3. ábra: A havi klimatikus profil-indikátorok és magyarországi városok sokéves meteorológiai adatsorainak két utas osztályozása 8.1.5. táblázat: A havi klimatikus profil-indikátorok és magyarországi városok sokéves meteorológiai adatsorainak két utas osztályozási eredménye a hozzájuk tartozó havi klimatikus profil-indikátorokkal
458 Hufnagel Levente és Sipkay Csaba 8.1.4. ábra: A magyarországi városok historikus adatai szerinti, havi klimatikus profil-indikátorok alapján mutatott hasonlósági csoportjainak térbeli elhelyezkedése 8.1.5. ábra: A globálsugárzás átlagos évi területi eloszlása (Mersich et al., 2001)
A klímaváltozás hatása az ökológiai közösségekre 459 8.1.6. ábra: Az évi középhőmérséklet (Mersich et al., 2001) 8.1.7. ábra: A nyári napok éves száma (Mersich et al., 2001)
460 Hufnagel Levente és Sipkay Csaba 8.1.8. ábra: A hőségnapok éves száma (Mersich et al., 2001) 8.1.9. ábra: Október hónap csapadékösszege (Mersich et al., 2001)
A klímaváltozás hatása az ökológiai közösségekre 461 8.1.3. Magyarországi városok Hadley Center A2 szcenárió szerinti meteorológiai adatsorainak összehasonlító értékelése a havi klimatikus profil-indikátorok alapján A havi klimatikus profil-indikátorok magyarországi városok Hadley Center A2 szcenárió szerinti meteorológiai adatsoraira vonatkozó relatív gyakorisági táblázat elemzését szintén a Past statisztikai programcsomaggal végeztük el. Ez a táblázat az Appendixben található. A táblázat oszlopait (objektumok, azaz klimatikus adatsorok) és sorait (változók, azaz indikátorok) hierarchikus klaszter-analízissel, mint osztályozási módszerrel, és nemmetrikus többdimenziós skálázással (NMDS), mint ordinációs módszerrel elemeztük. Az osztályozások és ordinációk grafikus egymásra vetítésével ellenőriztük a kapott eredményeket, majd az ellenőrzött klasztersorrendek alapján Two-Way Clusteringet ( két utas osztályozást ) alkalmaztunk a táblázatok átrendezéséhez. A dendrogram (8.1.10. ábra a,) a havi klimatikus profil-indikátorok osztályozását mutatja. Az eredeti távolságérték helyett, olyan skálát mutat, ahol az értékek -90 és 0 közöttiek, de arányuk megfelel az eredetinek. Minél közelebbi szinten van két különböző havi klimatikus profil-indikátor összekapcsolva, annál inkább hasonlítanak egymásra. Azt figyeltük meg, hogy egy csoportot alkotnak a meleg tavaszt és nyarat igénylő, de csapadékra nem igényes (1, 2, 21, 32, 41, 42, 43, 44, 51, 52) indikátorok (pl.: Sonchus fajok, Sorosporium holci-sorghi, Reseda lutea, Rhizoctonia bataticola, Elymus repens, Lathyrus tuberosus, Dociostaurus maroccanus). Másik nagy csoportba tartoznak az egész évben, tavasztól őszig meleget és szárazságot igénylő (4, 22, 29, 34, 35, 36, 39) indikátorok (pl.: Puccinia sorghi, Melolontha fajok, Tetraneura ulmi, Helicoverpa armigera, Diabrotica virgifera virgifera, Zea mays). A harmadik csoportban a többi indikátor található, melyek tavaszi és/vagy nyári meleget és szárazságot igényelnek (pl.: Tanymecus dilaticollis, Nigrospora oryzae, Cynodon dactylon, Aphidideae fajok, Amaranthus fajok, Ostrinia nubilalis, Abutilon theophrasti). Az ábra alsó része (8.1.10. ábra b,) a dimenzió-redukálás (NMDS-módszer) utáni állapotot mutatja, az itt egy csoportba kerülő elemek pontosan ugyanazok, mint a magasabb dimenziós térben klaszter-analízissel előállított csoportok elemei. A dendrogram (8.1.11. ábra a,) a magyarországi városok Hadley Center A2-es szcenárió szerinti adatsorainak osztályozását mutatja. Az eredeti távolságérték helyett, olyan skálát mutat, ahol az értékek -8 és 0 közöttiek, de arányuk megfelel az eredetinek. Minél közelebbi szinten van két különböző magyarországi város Hadley Center A2-es szcenárió szerinti adatsora összekapcsolva, annál inkább hasonlítanak egymásra. Az ábra alsó részén (8.1.11. ábra b,) a dimenzió-redukálás (NMDS-módszer) utáni állapot látható. E módszer alapján egy csoportba kerülő elemek pontosan ugyanazok, mint a magasabb dimenziós térben klaszter-analízissel előállított csoportok elemei.
462 Hufnagel Levente és Sipkay Csaba 8.1.10.ábra: a, A havi klimatikus profil-indikátorok osztályozása a magyarországi városok Hadley Center A2-es szcenárió szerinti meteorológiai adatsorai alapján hierarchikus klaszter-analízissel b, A havi klimatikus profilindikátorok ordinációja az osztályozással nyert csoportok rávetítésével, a magyarországi városok Hadley Center A2-es szcenárió szerinti meteorológiai adatsorai alapján, NMDS módszerrel
A klímaváltozás hatása az ökológiai közösségekre 463 Zalaegerszeg Siófok Pécs Szeged Budapest Szolnok Tapolca Debrecen Miskolc Mosómagyaróvár 8.1.11. ábra: a, A magyarországi városok Hadley Center A2-es szcenárió szerinti meteorológiai adatsorainak osztályozása a havi klimatikus profil-indikátorok alapján hierarchikus klaszter analízissel b, A magyarországi városok Hadley Center A2-es szcenárió szerinti meteorológiai adatsorainak ordinációja az osztályozással nyert csoportok rávetítésével, a havi klimatikus profil-indikátorok alapján, NMDS módszerrel
464 Hufnagel Levente és Sipkay Csaba Zalaegerszeg Mosmagy Pécs Tapolca Debrecen Budapest Siófok MIskolc Szeged Szolnok 8.1.12. ábra: A havi klimatikus profil-indikátorok és magyarországi városok Hadley Center A2-es szcenárió szerinti meteorológiai adatsorainak két utas osztályozása A 8.1.12. ábrán és a f. táblázatban a havi klimatikus profil-indikátorok és magyarországi városok sokéves meteorológiai adatsorainak két utas osztályozása látható. A sorok a havi klimatikus profil-indikátorok osztályozásával, az oszlopok pedig a magyarországi városok Hadley Center A2-es szcenárió szerinti adatsorainak osztályozásával alakítottuk elő. Az indikátorok közül a csak nulla értékeket tartalmazókat ebből az elemzésből kihagytuk, mert nem szolgáltak plusz információval. Azt állapítottuk meg, hogy az Alföldre eső városok esetében (Szolnok, Szeged) a meleg tavaszt és nyarat igénylő, de csapadékra nem igényes (1, 2, 21, 32, 41, 42, 43, 44, 51, 52) indikátorok (pl.: Sonchus fajok, Sorosporium holci-sorghi, Reseda lutea, Rhizoctonia bataticola, Elymus repens, Lathyrus tuberosus, Dociostaurus maroccanus) 84-100%-os relatív gyakoriságot mutattak. Az egész évben, tavasztól őszig meleget és szárazságot igénylő (4, 22, 29, 34, 35, 36, 39) indikátorok pedig 35-74%-os relatív gyakoriságot jeleztek (pl.: Puccinia sorghi, Melolontha fajok, Tetraneura ulmi, Helicoverpa armigera, Diabrotica virgifera virgifera, Zea mays). A Dunántúl észak-nyugati részére eső városok esetében (Zalaegerszeg és Mosonmagyaróvár) a meleg tavaszt és nyarat igénylő, de csapadékra nem igényes (1, 2, 21, 32, 41, 42, 43, 44, 51, 52) indikátorok (pl.: Sonchus fajok, Sorosporium holci-sorghi, Reseda lutea, Rhizoctonia bataticola, Elymus repens, Lathyrus tuberosus, Dociostaurus maroccanus) 74-100%-os relatív gyakoriságot mutattak. Az egész évben, tavasztól őszig meleget és szárazságot
A klímaváltozás hatása az ökológiai közösségekre 465 igénylő (4, 22, 29, 34, 35, 36, 39) indikátorok 16-74%-os relatív gyakoriságot mutattak (pl.: Puccinia sorghi, Melolontha fajok, Tetraneura ulmi, Helicoverpa armigera, Diabrotica virgifera virgifera, Zea mays). Az előző két régió között átmeneti helyzetű városok (Pécs, Miskolc, Kalocsa, Debrecen, Budapest, Siófok) az indikátorok szempontjából is átmenetet mutattak. A kukorica relatív gyakorisága az egész országban csupán 39-74%-ot jelzett, a Dunántúl nyugati részén érte el a legmagasabb, 61-74%-os relatív gyakoriságot. A városok az osztályozás és ordináció során felismert csoportjait eltérő színek felhasználásával egy térképen jelöltük be (8.1.13. ábra). A térképi ábrázolás lehetőséget teremt arra, hogy ezeket - a városcsoportok által felismerhető régiókat - a klímaváltozást ábrázoló (GCM alapján készített) hőösszeg-térképpel (5.1.14. ábra) hasonlítsuk össze. A havi klimatikus profil-indikátorok alapján kapott városcsoportok térbeli elhelyezkedését (8.1.13. ábra) a klímatérképpel összehasonlítva azt állapítottuk meg, hogy a két alföldi város (Szeged és Szolnok) egy csoportot alkotnak, ezek a GCM szerinti hőösszeg-térképen is a legmelegebb területhez tartoznak. Külön csoportot alkot a két Dunántúl észak-nyugati részére eső város (Zalaegerszeg és Mosonmagyaróvár), ami a GCM szerinti hőösszeg-térképen is a legalacsonyabb hőösszegű régiókban helyezkedik el. Mosonmagyaróvár és Zalaegerszeg a többi várostól elkülönül a (8.1.11. ábra szerint is), de jól megfigyelhető a két város egymástól való jelentős különbsége is, ami a GCM szerinti hőösszeg-térkép alapján jól értelmezhető. A harmadik csoportban az előző két régió között átmeneti helyzetű városok (Pécs, Miskolc, Kalocsa, Debrecen, Budapest, Siófok) találhatók, amelyek átmeneti jellege a hőösszeg-térképen is megfigyelhető. 8.1.6. táblázat: A havi klimatikus profil-indikátorok és magyarországi városok Hadley Center A2-es szcenárió szerinti meteorológiai adatsorainak két utas osztályozási eredménye a hozzájuk tartozó havi klimatikus profil-indikátorok
466 Hufnagel Levente és Sipkay Csaba 8.1.13. ábra: Néhány magyarországi város HCA2 szcenárió szerinti adatsora, havi klimatikus profil-indikátorok alapján mutatott hasonlósági csoportjainak térbeli elhelyezkedése 8.1.14. ábra: GCM alapján készített hőösszeg ábra (Harnos Zsolt, kézirat)
A klímaváltozás hatása az ökológiai közösségekre 467 8.1.4. Debrecen historikus és szcenáriók szerinti meteorológiai adatsorainak összehasonlító értékelése a havi klimatikus profil-indikátorok alapján A havi klimatikus profil-indikátorok Debrecen historikus és modellezett szcenáriók szerinti meteorológiai adatsoraira vonatkozó relatív gyakorisági táblázat elemzését is a Past statisztikai programcsomaggal végeztük el. A dendrogram (8.1.15. ábra a,) a havi klimatikus profil-indikátorok osztályozását mutatja. Azt figyeltük meg, hogy a meleg tavaszt és/vagy nyarat igénylő, de csapadékra nem igényes (1, 2, 21, 29, 41, 42, 43, 44, 51) indikátorok (pl.: Datura stramonium, Sonchus fajok, Sorosporium holci-sorghi, Reseda lutea, Elymus repens, Lathyrus tuberosus, Zea mays) egy nagy csoportba tartoznak és a meleg, száraz nyarat igénylő (32, 34, 39, 52) indikátorokkal (pl.: Dociostaurus maroccanus, Tetraneura ulmi, Diabrotica virgifera virgifera, Rhizoctonia bataticola) lett összevonva. A meleg és száraz tavaszt és/vagy nyarat igénylő (4, 22, 25, 35, 36) indikátorokkal (pl.: Helicoverpa armigera, Gryllotalpa gryllotalpa, Melolontha fajok, Puccinia sorghi, Amaranthus fajok) lett összekapcsolva a tavasszal és nyáron meleget illetve változó csapadékot igénylő indikátorok (pl.: Nigrospora oryzae, Kabatiella zeae, Ustilago maydis, Abutilon theophrasti, Ostrinia nubilalis, Tanymecus dilaticollis, Ditylenchus dipsaci) csoportja. Az ábra alsó része (8.1.15. ábra b,) a dimenzió-redukálás (NMDS-módszer) utáni állapotot mutatja, az itt egy csoportba kerülő elemek pontosan ugyanazok, mint a magasabb dimenziós térben klaszter-analízissel előállított csoportok elemei. A Debrecenre vonatkozó szcenáriók alapján készült modellfuttatásokat havi klimatikus profil-indikátorokkal értékelve és az eredmények alapján az adatsorokat osztályozva és ordinálva megállapíthattuk, hogy az adatsorok két nagy csoportra különülnek el (8.1.16. ábra a,). Az első csoportba a historikus debreceni adatok (Látókép) a múltbeli adatokra illesztett Base szcenárió, valamint az enyhe klímaváltozással számoló GF2, GF5, UKTR szcenáriók alkotják. A második csoportot a jelentős klímaváltozással számoló egyensúlyi modellek (UKHI, UKLO) valamint a szintén jelentős klímaváltozást mutató PRUDENCE projektből származó szcenáriók (HCA2, HCB2, MPA2) alkotják. A két nagy csoporton belül is jól értelmezhető alcsoportok ismerhetőek fel. A szcenáriók első csoportján belül egymással nagy hasonlóságot mutat a Látókép és a Base adatsor, amely az összes többi szcenáriónál közelebb áll egymáshoz. Ez a tény igazolja, az alkalmazott modellek megbízhatóságát. A jelentősebb klímaváltozással számoló szcenárió csoporton belül elkülönülnek egymástól a PRUDENCE projektből származó regionális adatsorok (HCA2, HCB2, MPA2) a régebbi egyensúlyi modellektől (UKHI, UKLO). Az ordinációs ábrán (x16. ábra b,), a fenti csoportosuláson kívül megfigyelhető még, hogy az egyre nagyobb klímaváltozással számoló modellfuttatások egyre távolabb kerülnek a historikus bázis időszak adataitól. Ez a kép igazolja számunkra, hogy az általunk alkalmazott havi klimatikus profil-indikátorok alkalmasak a modellfuttatásokban rejlő információ hatékony értékelésére. A 8.1.17. ábrán és a g. táblázatban a havi klimatikus profil-indikátorok és Debrecenre vonatkozó szcenáriók meteorológiai adatsorainak két utas osztályozása látható. A sorok
468 Hufnagel Levente és Sipkay Csaba a havi klimatikus profil-indikátorok osztályozásával, az oszlopok pedig Debrecenre vonatkozó szcenáriók adatsorainak osztályozásával alakítottuk elő. A havi klimatikus profilindikátorok közül a csak nulla értékeket tartalmazókat kihagytuk az elemzésből, mert nem rendelkeztek információval. Megállapítottuk, hogy a Base szcenárió nagy hasonlóságot mutat a Látókép historikus meteorológiai adataival. Ez azt bizonyítja, hogy a mai feltételekkel szimulált a Base szcenárió, megfelelő alapjául szolgál a többi szcenáriónak. Minden indikátor 0 és 24% közti relatív gyakoriságot mutatott a Base és a Látókép adatsoraira. A GF2, GF5 és UKTR szcenáriók esetében a meleg tavaszt és/vagy nyarat igénylő, de csapadékra nem igényes indikátorok (pl.: Datura stramonium, Sonchus fajok, Sorosporium holci-sorghi, Reseda lutea, Elymus repens, Lathyrus tuberosus) 19-94%-os relatív gyakoriságot jeleztek. A meleg és száraz nyarat igénylő indikátorok (pl.: Dociostaurus maroccanus, Tetraneura ulmi, Diabrotica virgifera virgifera, Rhizoctonia bataticola) 0-39%-os relatív gyakorisággal jelentkeztek ezen szenáriók esetében. A meleg és száraz tavaszt és/vagy nyarat igénylő indikátorok (pl.: Helicoverpa armigera, Gryllotalpa gryllotalpa, Amaranthus fajok, Melolontha fajok, Puccinia sorghi) 0-19%-os relatív gyakoriságot mutattak. Az UKHI, UKLO, HCA2, HCB2, MPA2 szcenáriók esetében a meleg tavaszt és/vagy nyarat igénylő, de csapadékra nem igényes indikátorok (pl.: Datura stramonium, Sonchus fajok, Sorosporium holci-sorghi, Reseda lutea, Elymus repens, Lathyrus tuberosus) 32-100%- os relatív gyakorisággal fordultak elő. A meleg és száraz tavaszt és/vagy nyarat igénylő indikátorok (pl.: Helicoverpa armigera, Melanogryllus desertus, Amaranthus fajok, Melolontha fajok, Puccinia sorghi) 13-48%-os relatív gyakoriságot mutattak. A kukorica (Zea mays) relatív gyakorisága a historikus és modellezett szcenáriókra 45-90%-ot jelzett. 8.1.15. ábra: a, A havi klimatikus profil-indikátorok osztályozása a Debrecen historikus és modellezett szcenáriók szerinti meteorológiai adatsorai alapján hierarchikus klaszter-analízissel
A klímaváltozás hatása az ökológiai közösségekre 469 8.1.15. ábra: b, A havi klimatikus profil-indikátorok ordinációja az osztályozással nyert csoportok rávetítésével, a Debrecen historikus és modellezett szcenáriók szerinti meteorológiai adatsorai alapján, NMDS módszerrel 8.1.16. ábra: a, Debrecen historikus és modellezett szcenáriók szerinti meteorológiai adatsorainak osztályozása a havi klimatikus profil-indikátorok alapján hierarchikus klaszter-analízissel
470 Hufnagel Levente és Sipkay Csaba 8.1.16. ábra: b, Debrecen historikus és modellezett szcenáriók szerinti meteorológiai adatsorainak ordinációja az osztályozással nyert csoportok rávetítésével, a havi klimatikus profil-indikátorok alapján, NMDS módszerrel X17. ábra: A havi klimatikus profil-indikátorok és Debrecen historikus és modellezett szcenáriók szerinti meteorológiai adatsorainak két utas osztályozása
A klímaváltozás hatása az ökológiai közösségekre 471 8.1.7. táblázat: A havi klimatikus profil-indikátorok és Debrecen historikus és modellezett szcenáriók szerinti meteorológiai adatsorainak két utas osztályozási eredménye a hozzájuk tartozó havi klimatikus profilindikátorokkal 8.1.5. Összefoglaló megállapítások és következtetések Összefoglaló megállapítások A magyarországi városok historikus meteorológiai adatait havi klimatikus profilindikátorokkal vizsgálva megállapítottuk, hogy: 1. a Duna-Tisza köze és a Tiszántúl déli részére eső városok (Kecskemét, Békéscsaba, Szeged, Szolnok, Budapest), amelyek az országon belül a legmagasabb évi átlagos globálsugárzással, évi középhőmérséklettel, a nyári- és hőségnapok legmagasabb éves számával, ugyanakkor a legalacsonyabb októberi csapadékösszeggel jellemezhetők, 0 és 14% közötti relatív gyakoriságot mutattak a csapadékigényes indikátorok (pl.: Oscinella frit, Sclerophora macrospora, Zabrus tenebrioides, Polyphilla fullo), valamint 12-33%-os relatív gyakoriságot jeleztek a meleg nyarat és őszt igénylő, de csapadékra nem igényes indikátorok (pl.: Tetraneura ulmi, Reseda lutea, Sonchus fajok, Sorosporium holci-sorghi, Rhizoctonia bataticola) szempontjából. 2. a Dunántúl nyugati és a középhegységek északi területére eső városok (Miskolc, Győr, Pápa, Balassagyarmat, Kaposvár, Szombathely, Zalaegerszeg), amelyek az
472 Hufnagel Levente és Sipkay Csaba országon belül a legalacsonyabb évi átlagos globálsugárzással, évi középhőmérséklettel, a nyári- és hőségnapok legkevesebb éves számával, ugyanakkor a legmagasabb októberi csapadékösszeggel jellemezhetők, 7-43%-os relatív gyakoriságot mutattak a hideg, csapadékos tavaszt és csapadékos nyarat igénylő indikátorok vonatkozásában (pl.: Oscinella frit, Sclerophora macrospora, Zabrus tenebrioides, Polyphilla fullo). 3. az előző két régió között átmeneti helyzetű városok (Pécs, Martonvásár, Tatabánya, Iregszemcse, Debrecen, Kompolt, Nyíregyháza) az indikátorok szempontjából is átmenetet mutattak. 4. a kukorica klimatikus profilindikátora minden városra 71-93%-os relatív gyakorisággal fordult elő. A magyarországi városok Hadley Center A2-es szcenárió szerinti meteorológiai adatsorait vizsgálva megállapítottuk, hogy: 5. az Alföldre eső városok (Szolnok, Szeged) a meleg tavaszt és nyarat igénylő, de csapadékra nem igényes indikátorok (pl.: Sonchus fajok, Sorosporium holci-sorghi, Reseda lutea, Rhizoctonia bataticola, Elymus repens, Lathyrus tuberosus, Dociostaurus maroccanus) vonatkozásában 84-100%-os relatív gyakoriságot mutattak. Az egész évben, tavasztól őszig meleget és szárazságot igénylő indikátorok 35-74%- os relatív gyakoriságot jeleztek (pl.: Puccinia sorghi, Melolontha fajok, Tetraneura ulmi, Helicoverpa armigera, Diabrotica virgifera virgifera), a potenciális kártételi veszélyhelyzetek kockázata tehát mindkét esetben a historikus viszonyoknál nagyobbra várható. 6. a Dunántúl észak-nyugati részére eső városok (Zalaegerszeg és Mosonmagyaróvár) a jövőben a legkisebb hőösszeggel lesznek jellemezhetőek. A meleg tavaszt és nyarat igénylő, de csapadékra nem igényes indikátorok (pl.: Sonchus fajok, Sorosporium holci-sorghi, Reseda lutea, Rhizoctonia bataticola, Elymus repens, Lathyrus tuberosus, Dociostaurus maroccanus) 74-100%-os relatív gyakoriságot mutattak. Az egész évben, tavasztól őszig meleget és szárazságot igénylő indikátorok 16-71%-os relatív gyakoriságot jeleztek (pl.: Puccinia sorghi, Melolontha fajok, Tetraneura ulmi, Helicoverpa armigera, Diabrotica virgifera virgifera). A potenciális kártételi veszélyhelyzetek kockázata tehát elsősorban a melegigényes, de csapadékot nem igénylő fajok várható a historikus viszonyoknál jelentősen nagyobbra. 7. az előző két régió között átmeneti helyzetű városok (Pécs, Miskolc, Kalocsa, Debrecen, Budapest, Siófok) az indikátorok szempontjából is átmenetet mutattak. 8. a kukorica profil-indikátornak megfelelő évek relatív gyakorisága az egész országban csupán 39-74%-ot mutatott. A Dunántúl nyugati részén érte el a legmagasabb, 61-74%-os relatív gyakoriságot. Ami azt is előrejelzi, hogy a kukoricában várható abiotikus károk kockázata is nőni fog.
A klímaváltozás hatása az ökológiai közösségekre 473 Debrecen historikus és modellezett szcenáriók szerinti meteorológiai adatsorait vizsgálva megállapítottuk, hogy: 9. a Base nevezető szcenárió nagy hasonlóságot mutatott a Látókép historikus meteorológiai adataival. Ez azt bizonyítja, hogy a mai feltételekkel szimulált a Base szcenárió, megfelelő alapjául szolgál a többi szcenáriónak. Minden indikátor 0 és 24% közti relatív gyakoriságot mutatott a Base és a Látókép adatsoraira, a kukorica kivételével. 10. a GF2, GF5 és UKTR szcenáriók esetében az egész évben meleget igénylő, de csapadékra nem igényes indikátorok (pl.: Datura stramonium, Sonchus fajok, Sorosporium holci-sorghi, Reseda lutea, Elymus repens, Lathyrus tuberosus) 19-94%-os relatív gyakoriságot mutattak. A meleg és száraz nyarat igénylő indikátorok (Dociostaurus maroccanus, Tetraneura ulmi, Diabrotica virgifera virgifera, Rhizoctonia bataticola) 0-39%-os relatív gyakorisággal fordultak elő. A meleg és száraz tavaszt és/vagy nyarat igénylő indikátorok (pl.: Helicoverpa armigera, Melanogryllus desertus, Gryllotalpa gryllotalpa, Amaranthus fajok, Melolontha fajok, Puccinia sorghi) 0-19%-os relatív gyakoriságot jeleztek. A potenciális kártételi veszélyhelyzetek gyakoriságai szempontjából, tehát csupán enyhe kockázat növekedést írtunk le. 11. az UKHI, UKLO, HCA2, HCB2, MPA2 szcenáriók esetében az egész évben meleget igénylő, de csapadékra nem igényes indikátorok (pl.: Datura stramonium, Sonchus fajok, Sorosporium holci-sorghi, Reseda lutea, Elymus repens, Lathyrus tuberosus) 71-100%-os relatív gyakoriságot mutattak. A meleg és száraz nyarat igénylő indikátorok (Dociostaurus maroccanus, Tetraneura ulmi, Diabrotica virgifera virgifera, Rhizoctonia bataticola) 13-97%-os relatív gyakorisággal fordultak elő. A meleg és száraz tavaszt és/vagy nyarat igénylő indikátorok (pl.: Helicoverpa armigera, Melanogryllus desertus, Gryllotalpa gryllotalpa, Amaranthus fajok, Melolontha fajok, Puccinia sorghi) 13-48%-os relatív gyakoriságot jeleztek. A század végére tehát a melegigényes, de csapadékban nem igényes fajok által okozott potenciális kártételi veszélyhelyzetek kockázatának jelentős emelkedésével kell számolni. 12. a kukorica (Zea mays) profil-indikátornak megfelelő évek relatív gyakorisága modellezett szcenáriókra 45-87%-ot mutattak. Az abiotikus károk kockázata tehát várhatóan növekszik, ez a növekedés azonban Debrecen esetén inkább csak a század végére várható (HCA2, HCB2). Következtetések A havi klimatikus profil-indikátorok definiálása során a szakirodalomban fellelhető sokszor nem kielégítően ismert klimatikus igényekre vonatkozó információkat gyűjtöttük össze és szintetizáltuk. Az összegyűjtött adatok számszerűsítése során újabb feltételezésekkel kellett élnünk. Az ily módon nyert indikátorok az általunk elérhető legjobb információforrást jelentik, mindazonáltal az eredmények interpretálása a fenti okok miatt óvatosságot igényel. A tézisekben szereplő megállapításokhoz kiegészítő értelmezésként az alábbiak megjegyzése szükséges:
474 Hufnagel Levente és Sipkay Csaba Az általunk alkalmazott havi klimatikus profil-indikátorok a két legfontosabb agroökológiai tényezővel, a hőmérséklettel és csapadékkal jellemzik az egyes élőlények igényeit. Ebből következően, nyilvánvalóan nem veszik figyelembe a klímaváltozással megváltozó légköri CO2 szint, valamint a sugárzási viszonyokban megfigyelhető esetleges változások direkt hatásait. A havi klimatikus profil-indikátorok értékelése során abból a hallgatólagos feltételezésből indultunk ki, hogy az általunk vizsgált kórokozó-, kártevő és gyomfajok időjárással kapcsolatos viselkedése nem fog megváltozni. Ez a feltételezés természetesen nem megalapozott, hiszen az élőlények fiziológiai, fenológiai, biokémiai, egyedfejlődési jellegű akklimatizációra, valamint populációgenetikai szintű adaptációra is képesek. A fentiekből következően a historikus adatok és jövőbeni klímák profilindikátorokkal való összehasonlítása során csupán a relatív gyakoriságok emelkedésének van szakmai jelentősége. A relatív gyakoriság emelkedése ugyanis ez esetben azt jelenti, hogy a potenciális kártételi veszélyhelyzetek gyakorisága még akkor is megnő, ha a növények alkalmazkodó képességét nem vesszük figyelembe. A relatív gyakoriság csökkenése vagy stagnálása ugyanakkor nem jelenti azt, hogy a kérdéses vészhelyzet kockázata nem fokozódhat. A szakirodalmi adatok alapján a C3-as növények sokkal érzékenyebben reagálnak a megnövekedett szén-dioxid hatására, mint a C4-es növények (Fuhrer, 2003). Saját vizsgálataink szerint a C4-es kukorica havi klimatikus profil-indikátora volt az egyetlen, amely magas jelenlegi relatív gyakoriságról, jelentős csökkenést mutat a klímaváltozással, bár a csökkenések interpretációja nehézkesebb, mint a növekedéseké, hiszen itt nem tudjuk figyelembe venni a kukorica fenológiai akklimatizációjának lehetőségét, valamint a növénynemesítés adaptációs hatását sem. A megfigyelt eredményeink mégis a kukoricában előforduló abiotikus károsodások (direkt klimatikus hatás) kockázatának növekedését mutatják. Több C3-as és C4-es gyomnövénynél azonban a havi klimatikus profilindikátoraiknak megfelelő évek relatív gyakoriságainak jelentős emelkedése figyelhető meg a jelenlegi alacsony értékről akár 90-100% ig is. Eredményeink, a szakirodalmi információval együtt felhívják a figyelmet arra, hogy a kukorica kompetíciós képessége számos C4-es növény mellett, a szén-dioxid direkt hatása következtében különösen a C3-as növényekkel szemben romlik drasztikusan. A C3-as növények közül ebből a szempontból kiemelendő az (1, 43, 45 indikátoroknak megfelelő) Elymus repens, Abutilon theophrasti, Datura stamonium gyomfajok, de jelentős növekedéssel számolhatunk a C4-es növények közé tartozó (1, 25, 37) Sorghum halapense, Amaranthus retroflexus, Echinochloa crusgalli gyomfajokkal. A fentiek közül az Elymus repens, Datura stramonium, Sorghum halapense, Amaranthus retrofl exus, Echinochloa crus-galli már a múltban is a kukorica legfontosabb gyomnövényei közé tartozott (Bihari et al., 1982). A kukorica egyik legfontosabb állati kártevője az Ostrinia nubilalis, a kukoricamoly lárvájának fejlődése hőösszeg függő, magasabb hőmérsékleten gyorsabban fejlődik ki (Trnka et al., 2007). Saját eredményeink szerint a kukoricamolyt jellemző 33-as indikátornak megfelelő évek a magyarországi városok historikus adatsorokban 0 és 2% közöt-
A klímaváltozás hatása az ökológiai közösségekre 475 ti relatív gyakorisággal, a magyarországi városok HCA2 szcenárió szerinti adatsoraiban viszont 6-39%-kal jelentkezik. A debreceni esettanulmány alapján megállapítható, hogy a kukoricamollyal összefüggő potenciális kártételi veszélyhelyzetek gyakorisága elsősorban a jelentősebb klímaváltozással számoló szcenáriók szerint (UKLO, UKHŐ, HCA2, HCB2, MPA2) a század végére válik jelentőssé. Hazánkban 1995-ben megjelent kukoricabogár (Diabrotica virgifera virgifera) sikeres európai akklimatizációja a közép-európai száraz, arid klimatikus viszonyoknak köszönhető (Keszthelyi et al., 2007). Saját vizsgálatunk szerint a kukoricabogár indikátorának megfelelő évek a magyarországi városok HCA2 szcenárió adatsoraiban 52 és 74% közötti relatív gyakorisággal jelentkezik. A debreceni esettanulmány alapján megállapítható, hogy az amerikai kukoricabogárral kapcsolatos potenciális kártételi veszélyhelyzetek kockázata a szcenáriók szerint a század végére tekintélyessé válik. A gyapottok-bagolylepke (Helicoverpa armigera, 36-os indikátor) 1993 óta rendszeres, az aszályos években pedig komoly kártevője a magyar mezőgazdaságnak (Szeőke, 2007). Saját eredményeink szerint a gyapottok-bagolylepke indikátorának megfelelő évek a magyarországi városok HCA2 szcenárió adatsoraiban 16-48%-os relatív gyakoriságot mutat. A debreceni esettanulmány alapján megállapítható, hogy a gyapottok-bagolylepkével összefüggő potenciális kártételi veszélyhelyzetek kockázata a jelentősebb klímaváltozással számoló szcenáriók szerint a század végére szintén jelentőssé válik. A növénypatogén mikroorganizmusok szempontjából a mérsékelt övben elsősorban az őszi, téli és tavaszi alacsony hőmérséklet tekinthető korlátozó tényezőnek. A nyári időszakban pedig a csapadék a legfontosabb tényező (Fuhrer, 2003, Boland et al., 2004). Saját vizsgálataink szerint a kukorica kórokozói közül a (4, 5, 51, 52, 55) profilindikátoroknak megfelelő Kukorica csíkos mozaik vírus (Maize dwarf mosaic potyvirus), kukoricarozsda (Puccinia sorghi), rostos üszög (Sorosporium holci-sorghi), szürke szárkorhadás (Rhizoctonia bataticola), nigrospórás száraz korhadás (Nigrospora oryzae) kórokozókkal kapcsolatos potenciális kártételi veszélyhelyzetek kockázata fog jelentősen emelkedni. A rostos üszög esetében ez a növekedés a század végére eléri a 100%-ot. Kitekintés Az elvégzett kutatáshoz képest jelentős továbblépést jelentene, ha az összehasonlítandó klímák vonatkozásában, nemcsak a historikus adatok és a modellfuttatások körülbelül 30 éves adatsorait tekintenénk, hanem alkalmas klímagenerátor megválasztásával a potenciális kártételi veszélyhelyzetek valószínűségét, Monte Carlo - szimuláció segítségével becsülnénk meg. Szintén jelentős előrelépés lenne, ha a klimatikus profil-indikátorok módszertanát a fenológiai modellezés módszereivel (pl.: hőösszeg-modellek) összekapcsolva a kártevők, kórokozók és gyomok fenológiai akklimatizációját is figyelembe vennénk. A kapott eredményeink felhívják a figyelmet arra, hogy melyek azok a gyom, kártevő, kórokozó csoportok, amelyekkel kapcsolatban a klimatikusan potenciális kártételi veszélyhelyzetek valószínűsége a klímaváltozás hatására növekedhet. A növényvédelmi stratégiák kialakításában mindezeket célszerű figyelembe venni.
476 Hufnagel Levente és Sipkay Csaba 8.2. Földrajzi analógiai esettanulmány az európai lepkefaunára 8.2.1. A biodiverzitás hanyatlása és a klímaváltozással való összefüggései Ezen fejezetben bemutatásra kerülő rovarfaunisztikai esettanulmányunkkal a klímaváltozás biodiverzitásra gyakorolt esetleges hatásait kívánjuk bemutatni. Hazánk Lepidoptera faunáját hasonlítottuk össze a különböző klíma-szcenáriok szerint Magyarország jövőbeli klímaviszonyaival jelenleg rendelkező országok (Románia, Bulgária és Görögország) lepkefaunájával. Célunk az volt, hogy megadjuk az adott szcenárió szerinti maximális faunaváltozás mértékét: a hazánk területén potenciálisan megjelenő és eltűnő fajok számának felső korlátját. A biodiverzitás állandó változásban van, sok milliárd év evolúciójának gyümölcse, melyet a természetes folyamatok és az utóbbi néhány ezer év egyre nagyobb mértékben érvényesülő antropogén hatásai formálnak. Globális szinten az emberi tevékenység a biodiverzitás csökkenését okozza többek között a területhasználat és növényborítottság megváltoztatásával, élőhelyek beépítésével, talaj-, a víz- és a légszennyezéssel, a víz intenzíven kezelt mezőgazdasági, ipari és városi rendszerekbe történő elvonásával, az élőhelyek feldarabolásával (fragmentáció), a nem honos fajok behurcolásával, és a sztratoszferikus ózonréteg gyengítésével (IPCC 2002). A biodiverzitás csökkenését legegyszerűbben az adott időszakra eső kihalt fajok számával, azaz a fajok kihalási rátájával jellemezhetjük. A folyamatok jelenlegi felgyorsulását jelzi, hogy ez a ráta a kutatók által az elmúlt néhány millió évre átlagosan számolt - természetes kihalási háttérrátának mintegy 50-100-szorosa (UNEP CBD 2000). A biológusok által eddig a tudomány számára leírt fajok száma közel 1.75 millió (ezek nagyrészt apró élőlények, mint amilyenek a rovarok). Tudatlanságunkat elég jól tükrözi a legáltalánosabban elfogadott becslés, mely szerint kb. 13 millió faj lehet a Földön, de a becslések 3 és 100 millió között mozognak (Scoble, 1999)! Általában az emberek a természetes világot fenyegető veszélyeket hallva más élőlényeket fenyegető veszélyekre gondolnak. A még leíratlan és a karizmatikus állatfajok (mint amilyenek a panda, a tigris, az elefánt, a bálna és a különböző madarak) számának csökkenése gyorsan a veszélyeztetett fajokra terelte a világ figyelmét. A biodiverzitás megőrzése azonban - az etikai megfontolások mellett nem kis mértékben a saját érdekünk. A biológiai erőforrások azok a pillérek, melyekre civilizációnk épül. A természet termékei látják el alapanyagokkal a mezőgazdaságot, gyógyszergyártást, építő- és hulladékfeldolgozó ipart, az élelmiszerellátást, biztosítják rekreációs és turisztikai lehetőségeinket, a fa és energiaforrásokat. A biodiverzitás hanyatlása interferál bolygónk alapvető ökológiai funkcióival és az emberi társadalom létét veszélyeztetheti. Az egyes állatfajok számos tulajdonsága, a méreteik, formájuk és színük, táplálkozásuk és szexuális szokásaik az őket körülvevő klimatikus körülményekhez alkalmazkodik. A klíma változásai befolyással vannak populációk méreteire, melyek viszont befolyásolják a faj elterjedését és abundanciáját, végül az adott ökoszisztéma struktúráját és működését. Ennélfogva a hosszútávú klimatikus tendenciák óriási hatással vannak az élővilág bonyolult rendszerének kialakításában. Számos élőlény esetében alapvető fiziológiai és biogeográfiai kutatásokból következ-